计算机科学>机器人
标题: 用于连接和自动车辆控制的多智能体强化学习:最新进展和未来展望
摘要: 联网和自动化车辆(CAV)已成为解决未来发展安全、高效和环保交通系统挑战的潜在解决方案。 然而,考虑到车辆之间所需的互连和协调的复杂性,CAV控制面临着重大挑战。 为了解决这一问题,多智能体强化学习(MARL)在解决自动驾驶、机器人和人机交互等复杂问题方面取得了显著进步,已成为增强CAV能力的一种有希望的工具。 然而,在CAV的背景下,目前对最先进的MARL算法的审查明显不足。 因此,本文对MARL技术在CAV控制领域的应用进行了全面综述。 本文首先介绍MARL,然后详细解释其在解决涉及多个代理的复杂移动性和流量场景方面的独特优势。 然后,对MARL在CAV控制维度范围上的应用进行了全面调查,涵盖了关键和典型场景,如排队控制、车道变换和无信号交叉口。 此外,本文对用于为MARL中的训练创建可靠环境的主要仿真平台进行了全面回顾。最后,本文分析了与在CAV控制中部署MARL相关的当前挑战,并概述了可以有效克服这些问题的潜在解决方案。 通过这篇综述,该研究强调了MARL在提高CAV控制在安全性、旅行效率和经济性方面的性能和协作方面的巨大潜力。